无形资产的净收益和折现率.docxVIP

无形资产的净收益和折现率

无形资产是指除有形资产以外的所有因素，也就是说，除了有形资产之外的任何因素，都可以使公司拥有或扩大其利益。如某种特殊权利或技术、知识等形态。由于无形资产具有不完整性、虚拟性和弱对应性等成本特性,及能带来超额收益或追加收益的收益特性,以及无形资产市场条件的限制,在资产评估的三种基本途径中,较之成本途径和市场途径,收益途径显得更为合理适用,这也使收益现值法成为目前无形资产评估中的首选方法(张彤、张世英,2002)。但是,目前所用方法中无形资产未来各期的净收益和折现率是固定不变的,而事实上它们是动态变化的,这使得估计和预测的难度加大。为此,本文将就如何正确预测无形资产未来各期净收益和折现率的问题进行探讨,以期为无形资产评估提供一个较完善的方法。

一、计算v的剩余价值

显然,某种类型的无形资产在其经济寿命内的价值,等同于在这个时期内该无形资产所获得的未来净收益的现值和。可用公式表示如下:

V=Τ∑t=1[∧AttПj=1(1+∧rt)-1](1)V=∑t=1T[A∧tПj=1t(1+r∧t)?1](1)

式中,V为无形资产的价值;T为无形资产的剩余经济寿命;∧AtA∧t为t时期无形资产的净收益;∧rtr∧t为t时期的折现率。

由于∧AtA∧t和∧rtr∧t的难以确定性降低了式(1)的实用性,从而在实际应用中往往对该式进行一些简化,最常用的简化是假设∧At=AA∧t=A和∧rt=r,即假设未来的净收益和折现率均为恒定值(吴庆玲,1998),这样式(1)就变为:

V=Ar[1-1(1+r)Τ](2)

不难看出,这种简化与实际有一定的差距,故必须对∧At和∧rt(t=1?2???Τ)的预测进行研究。

二、时间序列拟合模型的建立

设{At}为无形资产的净收益流,它是一随机时间序列。现已得到该序列的观测值{A1,A2,…,An}(时间序列与相应的样本值统一用{At}表示),要估计未来An+k的值,称为在时刻t=n作k步预测,记此预测值为∧An(k)(k=1?2???Τ)。显然,为了估计未来An+k的值,必须根据时间序列数据的结构特征建立最佳的预测模型。通过实际分析,无形资产的净收益时间序列数据{At}(t=1,2,…,n)一般具有非平稳的结构特征,这意味着在{At}(t=1,2,…,n)中存在着某种固定成分。通常情况下,这种固定成分可分为增长趋势性和周期波动性成分或两者兼而有之的混合性成分。对于这种具有固定成分的非平稳随机时间序列数据,需先对{At}(t=1,2,…,n)进行固定成分的模型拟合,然后将其从{At}中分离出来,再对剩余的序列数据进行相应的模型拟合。当然,如果剩余序列数据变成了白噪声,那么可将固定成分的拟合模型作为{At}的总体拟合模型。下面具体讨论{At}的拟合模型的建立。为了分析上的方便,用下式将原序列数据{At}(t=1,2,…,n)零均值化,则:

At=At-1nn∑i=1Ai(3)

1.增强趋势拟合模型

设f(t)为固定成分的拟合函数或模型,由固定成分的类型可知它有下列三种形式:

(1)周期变化模型。可采用如下的线性余弦函数模型:

f(t)=∧q∑j=1∧Ajcos(∧ωjt+∧αj)(4)

式中,∧q为组合项数;∧Aj为摆动幅度;∧ωj为频率;∧αj为初始相位。将观测数据{At}(t=1,2,…,n)代入李学伟等(1998)提供的公式中即可计算出它们。

(2)增长趋势模型。由于GM(1,1)模型具有拟合和预测精度高,所需样本少,计算简单等特点,我们可采用该模型作为{At}的增长趋势拟合模型。其还原形式为:

f(t)={[At-∧b∧a][e∧a(t-1)-e∧a(t-2)]t＞2[At-∧b∧a]e∧a(t-1)-A1t=2A1t=1(5)

式中,∧a?∧b为模型参数。将观测数据{At}(t=1,2,…,n)代入文献提供的公式中即可计算出它们。

(3)混合性模型。采用模型(1)和(2)的合并模型,即:f(t)=(4)式+(5)式。

式中,∧q?∧Aj?∧ωj及∧αj的计算,必须将除去增长趋势性成分的剩余序列数据{At-f(t)}(t=1,2,…,n)代入李学伟等(1998)所提供的公式中来计算这4个参数,∧a?∧b的计算与上面相同。

建立了固定成分的拟合模型f(t)后,就可从{At}中分离出f(t)得剩余序列{St}(即随机性成分),其中St=At-f(t)(t=1,2,…,n)。一般认为{St}是平稳的,故可用AR(p)模型进行拟合,即

St=p